estate-gd-mcp

[This is a Chinese README. English translation is not available yet.] # 房产中介智能问答系统 一个基于大模型的房产中介智能问答系统，结合贝壳网房源数据和高德地图地理信息，提供自然语言交互式房产咨询服务。 ## 系统架构 ### 后端组件 - **FastAPI框架**: 提供高性能RESTful API接口 - **MySQL**: 存储房源数据、用户交互记录及系统配置 - **OpenRouter集成**: 通过OpenRouter访问Claude等大型语言模型 - **高德地图集成**: 通过MCP工具访问高德地图API，获取地理信息 ### 前端组件 - **Vue.js**: 基于Vue 3的前端框架 - **Element Plus**: UI组件库 - **Vuex**: 状态管理 - **ECharts**: 数据可视化，用于展示房价热力图等 ## 主要功能 ### 1. 智能问答 - 自然语言交互，解析用户意图 - 房源条件筛选（如预算、户型、地段等） - 通勤路线规划与分析 - 学区信息咨询 - 房价趋势分析 ### 2. 房源浏览与筛选 - 多维度条件筛选（价格、面积、户型、地理位置等） - 列表/网格视图切换 - 详细房源信息展示 - 相似房源推荐 ### 3. 地图分析 - 房价热力图可视化 - 周边配套设施查询（交通、教育、商业、医疗等） - 区域房价对比 - 自定义区域选择 ### 4. 决策报告 - 房源综合分析 - 价格合理性评估 - 周边环境评分 - VR看房链接 ## 数据流程 1. 通过八爪鱼爬虫采集贝壳网房源数据 2. 系统处理并存储结构化数据到MySQL数据库 3. 结合高德地图API获取地理信息（交通、学区、商业配套等） 4. 大模型解析用户问题，检索相关信息 5. 生成答案并展示给用户 ## 项目结构 ``` ├── backend/ # 后端代码 │ ├── app/ # 应用主体 │ │ ├── api/ # API定义 │ │ ├── core/ # 核心配置 │ │ ├── db/ # 数据库模型 │ │ └── services/ # 业务逻辑 │ ├── main.py # 入口文件 │ └── requirements.txt # 依赖列表 │ ├── frontend/ # 前端代码 │ ├── public/ # 静态资源 │ └── src/ # 源代码 │ ├── assets/ # 资源文件 │ ├── components/ # 组件 │ ├── router/ # 路由配置 │ ├── store/ # Vuex状态管理 │ └── views/ # 页面视图 │ ├── crawler/ # 爬虫代码 │ ├── processors/ # 数据处理器 │ └── scrapers/ # 爬虫脚本 │ ├── data/ # 数据文件 │ ├── setup.py # 自动化设置脚本 ├── setup_mysql_db.py # MySQL数据库设置脚本 ├── import_csv_to_mysql.py # CSV数据导入MySQL脚本 └── .env # 环境变量配置文件 ``` ## 安装与配置 ### 自动化设置（推荐） 使用自动化设置脚本可以一键完成所有配置： ```bash python setup.py ``` 此脚本将自动执行以下操作： - 创建并配置Python虚拟环境 - 安装所有必要依赖 - 设置MySQL数据库和表结构 - 导入CSV数据（如果存在） ### 手动设置 如果您想手动设置项目，请按照以下步骤操作： #### 1. 创建虚拟环境 创建并激活Python虚拟环境： ```bash python -m venv venv source venv/bin/activate # Linux/Mac # 或者 venv\Scripts\activate # Windows ``` #### 2. 安装依赖 安装所需Python包： ```bash pip install fastapi uvicorn pymysql sqlalchemy python-dotenv pandas httpx aiohttp matplotlib plotly ``` #### 3. 配置环境变量 创建或编辑`.env`文件，配置以下环境变量： ``` # MySQL数据库设置 MYSQL_HOST=localhost MYSQL_PORT=3306 MYSQL_USER=root MYSQL_PASSWORD= MYSQL_DATABASE=realestate_qa # OpenRouter API设置 OPENROUTER_API_KEY=your_openrouter_key OPENROUTER_URL=https://openrouter.ai/api/v1/chat/completions # 高德地图API设置 AMAP_KEY=your_amap_key ``` #### 4. 设置MySQL数据库 运行MySQL数据库设置脚本： ```bash python setup_mysql_db.py ``` #### 5. 导入CSV数据 导入贝壳网房源数据到MySQL： ```bash python import_csv_to_mysql.py data/shanghai_beike_rentals.csv ``` ### 启动系统 #### 后端服务 启动后端API服务： ```bash cd backend python main.py ``` 服务将在 http://localhost:8000 上运行。 #### 前端服务 使用Python内置HTTP服务器启动前端： ```bash cd frontend python serve.py ``` 或者，如果您想使用npm： ```bash cd frontend npm install npm run serve ``` 前端将在 http://localhost:8080 上运行。 ## 使用示例 ### 自然语言查询示例 用户可以提问如： - "海淀区300-500万预算的两居室有哪些？" - "从望京到国贸上班，有什么合适的居住区域推荐？" - "朝阳区有哪些优质学区房？" - "北京西站附近生活便利度如何？" - "最近一年海淀区的房价走势如何？" ### 接口调用示例 ```python import requests # 发送问答请求 response = requests.post( "http://localhost:8000/api/qa/ask", json={"question": "海淀区的两居室大概什么价位？"} ) print(response.json()) # 获取房源列表 response = requests.get( "http://localhost:8000/api/property/list", params={"district": "海淀区", "min_price": 3000000, "max_price": 5000000} ) print(response.json()) ``` ## 技术亮点 1. **MySQL数据存储**: 使用MySQL关系型数据库存储房源数据，提供高效查询和数据完整性 2. **自然语言理解**: 使用OpenRouter API集成大型语言模型，实现高质量自然语言交互 3. **地理信息集成**: 通过高德地图API获取详细的地理信息，为房产评估提供关键参考 4. **响应式设计**: 前端适配不同设备尺寸，提供一致的用户体验 5. **数据可视化**: 使用ECharts实现房价热力图等直观的数据展示 6. **模块化架构**: 系统设计模块化，便于维护和扩展 7. **自动化设置**: 一键完成环境配置、数据库设置和数据导入 ## 未来扩展 - **推荐系统**: 基于用户行为和偏好的个性化房源推荐 - **价格预测**: 使用机器学习模型预测未来房价趋势 - **更多数据源**: 整合更多房产数据源，提供更全面的信息 - **移动应用**: 开发配套的移动应用，提供随时随地的服务 ## 贡献者 - 开发团队 ## 许可证 [MIT](LICENSE)